[导读]201706271004556645891

全国残疾人总数约8500万人，其中肢体残疾2472万，下肢肢体残疾人数量占比月60%，在这些人群中脊髓损伤患者以及行走不便患者数量较大并呈逐年上升趋势，助残问题日益成为一个重大的社会问题，传统康复医疗设备已经无法满足这个巨大的市场需求。因此，急需一种能够提供长期稳定、可靠、训练效率高的康复医疗器械来辅助康复训练和帮助肢体残疾患者完成一些日常的生活行动。 截止2014年，我国60岁以上人群已经占到15.5%，随着老龄化人群的增长，中风人数量也在不断增加，由于患者神经系统出现障碍，对身体的整体运动机能也产生了不利影响，容易造成身体运动组织不同程度退化，造成中风患者长时间伤害，难以恢复健康状态。大量的患者急需一种能够提供外界辅助性的力量、速度、步态，帮助中风患者进行恢复运动的智能化设备，以防止由于中风疾病，对运动组织造成一定程度的退化，缓解身体运动组织退化，并使患者在外骨骼的帮助下，尽可能减少生活适应性的变化，恢复患者在患病期间身体上的不适，也为后期患者的康复治疗起着积极有效的作用。 针对该类需求，为了弥补我国在智能康复外骨骼领域的技术空白，团队从2010年开始致力于智能外骨骼关键技术的研发和攻关，并且在多个国家自然科学基金项目的支持下，研发出可用于辅助需要进行步态训练的患者进行步态训练的下肢外骨骼系统，并申请了国家发明专利共90项，获得授权27项，该项目的关键技术发明如下： 1. 建立了人机混合智能系统的理论模型。针对人体与外骨骼在紧耦合情况下的高度非线性交互方式导致难以建立交互动力学模型这一难题，首次提出了稀疏引导的相似度度量计算方法，完善和发展了稀疏子空间的鲁棒和高效特征学习理论和模型，建立了外骨骼与人体之间的交互力和动力学因子的多种非线性映射模型，填补了人机混合系统的交互动力学理论空白。 2. 提出了物理人机交互的协作增强学习算法。针对外骨骼在实际使用过程中对不同使用者的自主适应性难题，提出了层级交互学习控制算法，结合高层运动模型与底层控制器学习的方式，使得步态模型和控制器参数能够同时在线学习更新。 3. 建立了针对外骨骼临床应用的个性化步态训练方案和评估方法。针对外骨骼步态训练中对步态需求的多样性特点，提出了基于耦合运动基元的步态建模方法，提高外骨骼了对于不同适用人群的步态适应性，实现了利用人工智能技术来根据不同步态训练需求的人群，进行个性化的步态训练方案优化和处方推荐。 4. 搭建了具有国际先进水平的外骨骼系统。在国内首次实现了外骨骼机器人对截瘫患者的辅助行走测试。实际系统基于紧耦合物理人机交互技术技术，从核心算法到顶层应用，进行了全面的系统综合性能指标、系统安全性指标、系统可靠性指标以及系统人性化的测试和评估。验证了所提出的物理人机运动协作交互控制算法的高效性、高可靠性和高适应性，还通过实际的临床测试验证了外骨骼的康复医学方面的有效性和科学性。 本项目开发完成了面向截瘫患者的助行外骨骼系统，目前已经在四川省康复医院、四川省人民医院、四川八一康复中心、成都大学附属医院、自贡第四人民医院等家医院和康复机构完成了超过100例的脊髓损伤患者的实际临床应用测试工作，取得了大量的试验数据，通过对数据的观测和分析，验证了所提出的物理人机运动协作交互控制算法的高效性、高可靠性和高适应性，还通过实际的临床测试验证了外骨骼的康复医学方面的有效性和科学性。2016年8月开始，该项目已经开始在电子科技大学所属布法罗机器人科技（成都）有限公司进行产业化和临床应用推广。